NLP之情感分析：基于python实现中文文本情感分析

ゝ一世哀愁。 2024-04-17 15:33 85阅读 0赞

NLP之情感分析：基于python编程(jieba库)实现中文文本情感分析(得到的是情感评分)

## 输出结果 ##

1、测试对象  
data1= '今天上海的天气真好！我的心情非常高兴！如果去旅游的话我会非常兴奋！和你一起去旅游我会更加幸福！'  
data2= '今天上海天气真差,非常讨厌下雨,把我冻坏了,心情太不高兴了,不高兴,我真的很生气！'  
data3= '美国华裔科学家,祖籍江苏扬州市高邮县,生于上海,斯坦福大学物理系,电子工程系和应用物理系终身教授!'

2、输出结果  
很明显，data1情感更加积极！data2情感消极！data3情感中等！

\[\[240.0, 104.0, 8.3, 3.6, 8.0, 2.4\]\]  
\[\[0.0, 134.0, 0.0, 4.8, 0.0, 3.2\]\]  
\[\[2, 66, 0.1, 3.3, 0.4, 1.7\]\]  
\[\[2, 2, 0.1, 0.1, 0.4, 0.4\]\]

## 设计思路 ##

后期更新……

## 使用的相关文件 ##

![20181206210145814.png][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70][]

##    主要部分代码实现 ##

import jieba 
       import numpy as np 
       
       …… 
       
       
       def sentiment_score_list(dataset): 
       seg_sentence = dataset.split( '。') 
       
       count1 = [] 
       count2 = [] 
       for sen in seg_sentence: #循环遍历每一个评论 
       segtmp = jieba.lcut(sen, cut_all= False) #把句子进行分词，以列表的形式返回 
       i = 0 #记录扫描到的词的位置 
       a = 0 #记录情感词的位置 
       poscount = 0 #积极词的第一次分值 
       poscount2 = 0 #积极词反转后的分值 
       poscount3 = 0 #积极词的最后分值（包括叹号的分值） 
       negcount = 0 
       negcount2 = 0 
       negcount3 = 0 
       for word in segtmp: 
       if word in posdict: # 判断词语是否是情感词 
       poscount += 1 
       c = 0 
       for w in segtmp[a:i]: # 扫描情感词前的程度词 
       if w in mostdict: 
       poscount *= 4.0 
       elif w in verydict: 
       poscount *= 3.0 
       elif w in moredict: 
       poscount *= 2.0 
       elif w in ishdict: 
       poscount *= 0.5 
       elif w in deny_word: 
       c += 1 
       if judgeodd(c) == 'odd': # 扫描情感词前的否定词数 
       poscount *= -1.0 
       poscount2 += poscount 
       poscount = 0 
       poscount3 = poscount + poscount2 + poscount3 
       poscount2 = 0 
       else: 
       poscount3 = poscount + poscount2 + poscount3 
       poscount = 0 
       a = i + 1 # 情感词的位置变化 
       
       elif word in negdict: # 消极情感的分析，与上面一致 
       negcount += 1 
       d = 0 
       for w in segtmp[a:i]: 
       if w in mostdict: 
       negcount *= 4.0 
       elif w in verydict: 
       negcount *= 3.0 
       elif w in moredict: 
       negcount *= 2.0 
       elif w in ishdict: 
       negcount *= 0.5 
       elif w in degree_word: 
       d += 1 
       if judgeodd(d) == 'odd': 
       negcount *= -1.0 
       negcount2 += negcount 
       negcount = 0 
       negcount3 = negcount + negcount2 + negcount3 
       negcount2 = 0 
       else: 
       negcount3 = negcount + negcount2 + negcount3 
       negcount = 0 
       a = i + 1 
       elif word == '！' or word == '!': ##判断句子是否有感叹号 
       for w2 in segtmp[:: -1]: # 扫描感叹号前的情感词，发现后权值+2，然后退出循环 
       if w2 in posdict or negdict: 
       poscount3 += 2 
       negcount3 += 2 
       break 
       i += 1 # 扫描词位置前移 
       
       
       # 以下是防止出现负数的情况 
       pos_count = 0 
       neg_count = 0 
       if poscount3 < 0 and negcount3 > 0: 
       neg_count += negcount3 - poscount3 
       pos_count = 0 
       elif negcount3 < 0 and poscount3 > 0: 
       pos_count = poscount3 - negcount3 
       neg_count = 0 
       elif poscount3 < 0 and negcount3 < 0: 
       neg_count = -poscount3 
       pos_count = -negcount3 
       else: 
       pos_count = poscount3 
       neg_count = negcount3 
       
       count1.append([pos_count, neg_count]) 
       count2.append(count1) 
       count1 = [] 
       
       return count2 
       
       def sentiment_score(senti_score_list): 
       score = [] 
       for review in senti_score_list: 
       score_array = np.array(review) 
       Pos = np.sum(score_array[:, 0]) 
       Neg = np.sum(score_array[:, 1]) 
       AvgPos = np.mean(score_array[:, 0]) 
       AvgPos = float( '%.1f'%AvgPos) 
       AvgNeg = np.mean(score_array[:, 1]) 
       AvgNeg = float( '%.1f'%AvgNeg) 
       StdPos = np.std(score_array[:, 0]) 
       StdPos = float( '%.1f'%StdPos) 
       StdNeg = np.std(score_array[:, 1]) 
       StdNeg = float( '%.1f'%StdNeg) 
       score.append([Pos, Neg, AvgPos, AvgNeg, StdPos, StdNeg]) 
       return score 
       
       
       
       data1= '今天上海的天气真好！我的心情非常高兴！如果去旅游的话我会非常兴奋！和你一起去旅游我会更加幸福！' 
       data2= '今天上海天气真差,非常讨厌下雨,把我冻坏了,心情太不高兴了,不高兴,我真的很生气！' 
       data3= '美国华裔科学家,祖籍江苏扬州市高邮县,生于上海,斯坦福大学物理系,电子工程系和应用物理系终身教授!' 
       print(sentiment_score(sentiment_score_list(data1))) 
       print(sentiment_score(sentiment_score_list(data2))) 
       print(sentiment_score(sentiment_score_list(data3)))

[20181206210145814.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/7a24106ca53a44ddbe19b26d15b5f048.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/259e34fae06a4b9c952a1034c816b423.png